UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA DE SISTEMAS

DOCENTE: Mg. BACA LÓPEZ, MARCOS GREGORIO

CURSO: INVESTIGACIÓN DE OPERACIONES I

TEMA: PROGRAMACIÓN LINEAL

INTEGRANTES:

 GUTIÉRREZ FLORES, JHAN JEYSON

 PONCE GRAOS, JHERRY ALEXIS

 RODRÍGUEZ CRUZ, JAIR GERARDO

 ZAVALETA ROJAS, MIGUEL ENRIQUE

CICLO: VI
 1. EJEMPLO DE LA PANADERÍA

RECURSOS PAN PAN DISPONIBILIDAD COSTO

EMPASTELADO FRANCÉS
MANO DE
OBRA
PANADERO 17min/lote 20 min/lote 8 horas/día 6 soles/hora
MAQUINARIA
AMASADORA 8 min/lote 9 min/lote 4 horas/día 0.60
soles/hora
CUCHILLA 5 min/lote 6 min/lote 3 horas/día 0.20
DE CORTE soles/hora
HORNO 10 min/lote 12 min/lote 5 horas/día 0.80
soles/hora
MATERIA
PRIMA
AZUCAR 0.4 kg/lote 0.5 kg/lote 0.5 sacos/día 100
soles/saco
SAL 0.125 kg/lote 0.125 3 bolsas/día 1.2
kg/lote soles/bolsa
HARINA 3.5 kg/lote 4 kg/lote 2 sacos/día 90 soles/saco
LEVADURA 0.05 kg/lote 0.05 kg/lote 2 paquetes/día 6
soles/paquete
PRECIO DE 30 soles/lote 36
VENTA soles/lote
Tabla 1: Datos de la producción de pan empastelado y pan francés.

Para la resolución del presente ejercicio es necesario saber algunos datos

adicionales a los que la tabla 1 muestra.

 1 saco de azúcar = 50 kg de azúcar

 1 bolsa de sal = 1 kg de sal
 1 saco de harina = 50 kg de harina
 1 paquete de levadura= 1 kg de levadura

Una vez conocido e identificado el problema, entonces vayamos a solucionarlo.

I. PASO 1: Determinación de las incógnitas

𝑙𝑜𝑡𝑒𝑠
X: Numero de producidos de pan empastelado
𝑑í𝑎

𝑙𝑜𝑡𝑒
Y: Numero de producidos de pan francés
𝑑í𝑎
 II. PASO 2: Determinación de los límites

Mano de Obra:

𝑚𝑖𝑛 𝑙𝑜𝑡𝑒 𝑚𝑖𝑛 𝑙𝑜𝑡𝑒𝑠 ℎ𝑜𝑟𝑎𝑠 𝑚𝑖𝑛

Panadero: 17 𝑙𝑜𝑡𝑒 * (X ) 20 𝑙𝑜𝑡𝑒 (Y ) 8 (60 )
𝑑í𝑎 𝑑í𝑎 𝑑í𝑎 ℎ𝑜𝑟𝑎

min min min

17 * (X ) + 20 * (Y ) <= 480
día día día

Maquinaria:

𝑚𝑖𝑛 𝑙𝑜𝑡𝑒 𝑚𝑖𝑛 𝑙𝑜𝑡𝑒𝑠 ℎ𝑜𝑟𝑎𝑠 𝑚𝑖𝑛

Amasadora: 8 𝑙𝑜𝑡𝑒 * (X ) 9 𝑙𝑜𝑡𝑒 (Y ) 4 (60 )
𝑑í𝑎 𝑑í𝑎 𝑑í𝑎 ℎ𝑜𝑟𝑎

𝑚𝑖𝑛 𝑚𝑖𝑛 𝑚𝑖𝑛

8 * (X ) + 9 * (Y ) <= 240
𝑑í𝑎 𝑑í𝑎 𝑑í𝑎

𝑚𝑖𝑛 𝑙𝑜𝑡𝑒 𝑚𝑖𝑛 𝑙𝑜𝑡𝑒𝑠 ℎ𝑜𝑟𝑎𝑠 𝑚𝑖𝑛

Cuchilla de corte: 5 * (X ) 6 𝑙𝑜𝑡𝑒 (Y ) 3 (60 )
𝑙𝑜𝑡𝑒 𝑑í𝑎 𝑑í𝑎 𝑑í𝑎 ℎ𝑜𝑟𝑎

𝑚𝑖𝑛 𝑚𝑖𝑛 𝑚𝑖𝑛

5 * (X ) + 6 * (Y ) <= 180
𝑑í𝑎 𝑑í𝑎 𝑑í𝑎

𝑚𝑖𝑛 𝑙𝑜𝑡𝑒 𝑚𝑖𝑛 𝑙𝑜𝑡𝑒𝑠 ℎ𝑜𝑟𝑎𝑠 𝑚𝑖𝑛

Horno: 10 𝑙𝑜𝑡𝑒 * (X ) 12 𝑙𝑜𝑡𝑒 (Y ) 5 (60 )
𝑑í𝑎 𝑑í𝑎 𝑑í𝑎 ℎ𝑜𝑟𝑎

𝑚𝑖𝑛 𝑚𝑖𝑛 𝑚𝑖𝑛

10 * (X ) + 12 * (Y ) <= 30
𝑑í𝑎 𝑑í𝑎 𝑑í𝑎

Materia prima:
𝑘𝑔 𝑙𝑜𝑡𝑒 𝑘𝑔 𝑙𝑜𝑡𝑒𝑠 𝑠𝑎𝑐𝑜𝑠 𝑘𝑔
Azúcar: 0.4 𝑙𝑜𝑡𝑒 * (X ) 0.5 𝑙𝑜𝑡𝑒 (Y ) 0.5 (50 )
𝑑í𝑎 𝑑í𝑎 𝑑í𝑎 𝑠𝑎𝑐𝑜

𝑘𝑔 𝑘𝑔 𝑘𝑔
0.4 * (X 𝑑í𝑎) + 0.5 * (Y 𝑑í𝑎) <= 25 𝑑í𝑎

𝑘𝑔 𝑙𝑜𝑡𝑒 𝑘𝑔 𝑙𝑜𝑡𝑒𝑠 𝑏𝑜𝑙𝑠𝑎 𝑘𝑔

Sal: 0.125 𝑙𝑜𝑡𝑒 * (X ) 0.125 𝑙𝑜𝑡𝑒 (Y ) 3 (50 )
𝑑í𝑎 𝑑í𝑎 𝑑í𝑎 𝑏𝑜𝑙𝑠𝑎

𝑘𝑔 𝑘𝑔 𝑘𝑔
0.125 * (X 𝑑í𝑎) + 0.125 * (Y 𝑑í𝑎) <= 3 𝑑í𝑎
 𝑘𝑔 𝑙𝑜𝑡𝑒 𝑘𝑔 𝑙𝑜𝑡𝑒𝑠
Levadura: 0.05 𝑙𝑜𝑡𝑒 * (X ) 0.05 𝑙𝑜𝑡𝑒 (Y ) 2
𝑑í𝑎 𝑑í𝑎
𝑝𝑎𝑞𝑢𝑒𝑡𝑒𝑠 𝑘𝑔
( 𝑠𝑎𝑐𝑜)
𝑑í𝑎

𝑘𝑔 𝑘𝑔 𝑘𝑔
0.05 * (X 𝑑í𝑎) + 0.05 * (Y 𝑑í𝑎) <= 2 𝑑í𝑎

III. Determinación del objetivo

UTILIDAD = INGRESOS – COSTO

𝑠𝑜𝑙𝑒𝑠 𝑙𝑜𝑡𝑒 𝑠𝑜𝑙𝑒𝑠 𝑙𝑜𝑡𝑒 𝑠𝑜𝑙𝑒𝑠 1ℎ𝑜𝑟𝑎 𝑚𝑖𝑛 𝑠𝑜𝑙𝑒𝑠
30 * (X ) + 36 * (Y )-6 * (60 𝑚𝑖𝑛)[17X + 20Y] – 0.60
𝑙𝑜𝑡𝑒 𝑑í𝑎 𝑙𝑜𝑡𝑒 𝑑í𝑎 ℎ𝑜𝑟𝑎 𝑑í𝑎 ℎ𝑜𝑟𝑎
1ℎ𝑜𝑟𝑎 𝑚𝑖𝑛 𝑠𝑜𝑙𝑒𝑠 1ℎ𝑜𝑟𝑎 𝑚𝑖𝑛 𝑠𝑜𝑙𝑒𝑠
* (60 𝑚𝑖𝑛)[8X + 9Y] – 0.20 * (60 𝑚𝑖𝑛)[5X + 6Y] – 0.80 *
𝑑í𝑎 ℎ𝑜𝑟𝑎 𝑑í𝑎 ℎ𝑜𝑟𝑎
1ℎ𝑜𝑟𝑎 𝑚𝑖𝑛 𝑠𝑜𝑙𝑒𝑠 1𝑠𝑎𝑐𝑜 𝑘𝑔 𝑠𝑜𝑙𝑒𝑠
(60 𝑚𝑖𝑛)[10X + 12Y] - 100 * ( 50 𝑘𝑔 )[0.4X + 0.5Y] 𝑑í𝑎 – 1.20 𝑏𝑜𝑙𝑠𝑎 *
𝑑í𝑎 𝑠𝑎𝑐𝑜
1𝑏𝑜𝑙𝑠𝑎 𝑘𝑔 𝑠𝑜𝑙𝑒𝑠 1𝑠𝑎𝑐𝑜 𝑘𝑔 𝑠𝑜𝑙𝑒𝑠
( 50 𝑘𝑔 )[0.125X + 0.125Y] 𝑑í𝑎 - 90 * ( 50 𝑘𝑔 )[3.5X + 4Y] 𝑑í𝑎 - 6 𝑝𝑎𝑞𝑢𝑒𝑡𝑒 *
𝑠𝑎𝑐𝑜
1𝑝𝑎𝑞𝑢𝑒𝑡𝑒 𝑘𝑔
( )[0.05X + 0.05Y] 𝑑í𝑎
1 𝑘𝑔

Luego separamos variables y pasamos a sumar y nos quedaría la siguiente

ecuación:

𝑭. 𝑶 𝑴𝒂𝒙: 𝟐𝟎. 𝟔𝟔𝟕 𝐗 + 𝟐𝟓. 𝟐𝟐𝟕 𝐘

 Max: 20.667 X + 25.227 Y

 X >= 0
 Y >= 0
 17 ∗ X + 20 ∗ Y <= 480
 8 ∗ X + 9 ∗ Y <= 240
 5 ∗ X + 6 ∗ Y <= 180
 10 ∗ X + 12 ∗ Y <= 300
 0.4 ∗ X + 0.5 ∗ Y <= 25
 0.125 ∗ X + 0.125 ∗ Y <= 3
 3.5 ∗ X + 4 ∗ Y <= 100
 0.05 ∗ X + 0.05 ∗ Y <= 2

IV. RESOLVIENDO CON LINGO:

Lo que tenemos que hacer es máxima las ganancias de la ecuación:

  Max: 20.667 X + 25.227 Y

Ingresaremos la siguiente ecuación en el software de Lingo:

Como segundo punto vamos a ejecutar el programa.

Si no hay errores de formulación durante la fase de compilación entonces nos
mostrará la siguiente ventana de estado.
 Como observamos en la imagen la utilidad optima es 605.448 soles
obtenidos en un día por producir 24 panes francés y 0 panes
empastelados.
 Además de ellos podemos observar que por cada unidad de producción
de pan Empastelado nos dará un costo reducido de 4.56 soles, este es
también llamado costo reducido.
 Además de ellos podemos notar que todas las restricciones son < =
entonces nos referimos a las variables slack.
EJERCICIO 1:

Una empresa tiene 3 fábricas y 2 tiendas mayoristas. Los datos de producción

semanal del bien A en cada fábrica, los requerimientos semanales del bien A en
cada tienda y el costo unitario de transporte desde cada fábrica hasta cada tienda
son:

Minimizar el costo total semanal de transporte

PASO 1: DETERMINACIÓN DE INCÓGNITAS:

VARIABLES:

Sean Xi j = Nº unidades a transportar desde fábrica “i” hasta tienda “j”

i = 1, 2, 3.

j = 1, 2.

PASO 2: DETERMINACIÓN DE LÍMITES:

RESTRICCIONES:

- Xi.j >= 0
- X1.1 + X1.2 <= 280
- X2.1 +X2.2 <= 400
- X3.1 + X3.2 <= 350
- X1.1 +X2.1 + X3.1 >= 500
- X1.2 + X2.2 + X3.2 >= 300
PASO 3: DETERMINAR EL OBJETIVO (MINIMIZAR EL COSTO DEL
TRANSPORTE):
MIN = 15*X1.1 + 10*X2.1 + 8*X3.1 + 25*X1.2 + 50*X2.2 + 34*X3.2

PASO 4: UTILIZANDO EL SOFTWARE LINGO:

 Como podemos apreciar en el resultado obtenido el costo total semanal
de transporte de la empresa es de $12020.(Surplus)
 A la vez observamos que por cada unidad que reduzcamos en la
producción total de la tienda 1(ROW 5), el costo total semanal de
transporte de la empresa disminuirá $10 y la cantidad máxima en la que
se podría reducir es de 170 unidades, lo cual nos daría una reducción de
$1700.
 Por lo tanto para reducir el total del costo semanal la mejor opción
presentada es reducir la demanda de la tienda 1(Row 5).
EJERCICIO 2:

Una compañía tiene cuatro Empaquetadoras que abastecen a cuatro almacenes

y la gerencia quiere determinar la programación de envío de costo mínimo para
su producción mensual de paquetes de Libros. La oferta de las empaquetadoras,
las demandas de los almacenes y los costos de envío por paquetes de Libros se
muestran en la Tabla

COSTOS POR ENVIOS DE CARGA $

ALMACEN
Empaquetadoras E(1) E(2) E(3) E(4) PRODUCCION
A(1) 15 20 45 54 15
A(2) 34 67 88 23 6
A(3) 41 76 82 90 14
A(4) 78 56 34 13 11
DEMANDAS 10 12 15 9

ALMACEN
Empaquetadoras E(1) E(2) E(3) E(4) PRODUCCION
A(1) X11 X12 X13 X14 15
A(2) X21 X22 X23 X24 6
A(3) X31 X32 X33 X34 14
A(4) X41 X42 X43 X44 11
DEMANDAS 10 12 15 9

PASO 1: DETERMINACIÓN DE INCÓGNITAS:

VARIABLE:
Xij = COSTOS DE ENVIÓ POR CARGAS “ i ” HACIA EL ALMACÉN “ j “
PASO 2: DETERMINACIÓN DE LÍMITES:

RESTRICCIONES:

EN LAS ENLATADORAS (OFERTA):

A(1): X11 + X12 + X13 + X14 <= 15

A(2): x21 + X22 + X23 + X24 <= 6

A(3): x31 + X32 + X33 + X34 <= 14

A(4): X41 + X42 + X43 + X44 <= 11

PARA EL ALMACÉN (DEMANDA):

E(1): X11 + X21 + X31 + X41 >= 10

E(2): X12 + X22 + X32 + X42 >= 12

E(3): X13 + X23 + X33 + X43 > = 15

E(4): X14 + X24 + X34 + X44 >= 9

PASO 3: DETERMINAR EL OBJETIVO (MINIMIZAR EL COSTO):

MIN = 15*X11 + 20*X12 + 45*X13 + 54*X14 + 34*X21 + 67*X22 + 88*X23 +

23*X24 + 41*X31 + 76*X32 + 82*X33 + 90*X34 + 78*X41 + 56*X42 + 34*X43 +
13*X44
PASO 4: UTILIZANDO EL SOFTWARE LINGO:

SLACK OR SURPLUS
RANGO

 Como podemos apreciar en el resultado obtenido el costo total mensual

de transporte de la empresa es de $1562.(Surplus)
 A la vez observamos que por cada unidad que reduzcamos en la demanda
total de la empaquetadora 1(ROW 6), el costo total mensual de transporte
de la empresa disminuirá $85 y la cantidad máxima en la que se podría
reducir es de 10 unidades, lo cual nos daría una reducción de $850.
 Por lo tanto para reducir el total del costo mensual la mejor opción
presentada es reducir la demanda total de la empaquetadora 1(Row 6).
 EJEMPLO 3:

Giapetto’s woodcarving In, manufactura dos tipos de juguetes de madera:

soldados y trenes, el soldado se vende en 27 dólares y requiere 10 dólares de
materia prima. Cada soldado que se fabrica incrementa la mano de obra variable
y los costos de globales de Giappeto´s en dólares. Un tren se vende en 21
dólares y analiza 9 dólares de su valor en materia prima. Todos los trenes
fabricados aumentan variable y los costos globales de Giappeto´s en 10 dólares.
La fabricación de soldados y trenes de madera requiere de dos tipos de mano
de obra especializada, carpintería y acabados. Un soldado necesita dos horas
de trabajo de acabo y una hora de carpintería. Un tren requiere de una hora de
acabado y una hora de carpintería. Todas las semanas, Giappetos´s consigue
todo el material necesario, pero solo 100 horas de trabajo de acabado y 80 de
carpintería. La demanda de trenes es limitada, pero se venden cuanto mucho 40
soldados por semana, Giappeto´s desea maximizar las utilidades semanales
(ingresos. Costos).

I. VARIABLES DE DECISIÓN:

- 𝑥1: 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑜𝑙𝑑𝑎𝑑𝑜𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠 𝑐𝑎𝑑𝑎 𝑠𝑒𝑚𝑎𝑛𝑎

- 𝑥2: 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑟𝑒𝑛𝑒𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠 𝑐𝑎𝑑𝑎 𝑠𝑒𝑚𝑎𝑛𝑎

II. Restricciones

- Se pueden usar cada semana no más de 100 horas de tiempo

acabado.

2𝑥1 + 𝑥2 ≤ 100 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑎𝑐𝑎𝑏𝑎𝑑𝑜

- Cada semana se pueden usar no más de 80 horas de tiempo

de carpintería

𝑥1 + 𝑥2 ≤ 80 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑎𝑟𝑝𝑖𝑛𝑡𝑒𝑟í𝑎

- Debido a la demanda limitada, cuando mucho se deben de

producir cada semana 40 soldados

𝑥1 ≤ 40 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑠𝑜𝑙𝑑𝑎𝑑𝑜𝑠

También podemos considerar las restricciones de NO NEGATIVIDAD

𝑥1 ≥ 0

𝑥2 ≥ 0
 III. Función objetivo

𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑜𝑟 𝑠𝑒𝑚 = 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑟𝑜𝑝. 𝑝𝑜𝑟 𝑠𝑜𝑙𝑑𝑎𝑑𝑜𝑠 + 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑟𝑜𝑝. 𝑝𝑜𝑟 𝑡𝑟𝑒𝑛𝑒𝑠

Así mismo:

Costos de la materia prima a la semana = 10𝑥1 + 9𝑥2

Otros costos variables a la semana = 14𝑥1 + 10𝑥2

Entonces Giappetop´s quiere maximizar:
27𝑥1 + 21𝑥2 − (10𝑥1 + 9𝑥2) − (14𝑥1 + 10𝑥2) = 3𝑥1 + 2𝑥2
Entonces la función objetiva a maximizar es:
𝑍𝑀𝐴𝑋 = 3𝑋1 + 2𝑋2 𝐷ó𝑙𝑎𝑟𝑒𝑠

Como podemos observar en el gráfico, el punto D, es el punto con el valor más

grande en la región factible, y por lo tanto la solución óptima al problema de
Giappeto’s. En el punto D se cortan las rectas 2𝑥1 + 𝑥2 = 100 y 𝑥1 + 𝑥2 = 80. Al
resolver estas ecuaciones en forma simultánea, se obtiene que (𝑥1 = 20 𝑦 𝑥2 =
60) es la solución óptima para nuestro problema. El valor óptimo de z se
encuentra al sustituir estos valores, en la función objetivo. Entonces, el valor
óptimo de z es 180 dólares por semana.

SOFTWARE PARA LA ELABORACIÓN DE MODELOS DE PROGRAMACIÓN

LINEAL LINGO
 Como podemos observar en el reporte de solución, la utilidad
máxima semanal de Giappeto’s según los supuestos es de 180
dólares

 También podemos decir que el tiempo de acabado y carpintería se

emplea por completo, y que si se quisiéramos obtener más utilidad
hubiésemos aumentado alguna de las variables.
  En el caso de aumentar, cualquiera de los tiempos para aumentar la
utilidad seria de 20h.

A continuación, aumentaremos el tiempo de acabado.

En el caso de
aumentar el
tiempo en 20h las
ganancias serian
de 200 dólares
EJERCICIO 4:
La distribuidora de energía eléctrica ENERGIN tiene tres centrales eléctricas
que cubren las necesidades de 4 ciudades. Cada central suministra y le
demandan lo siguiente:

Suministros

Plantas Ciudad 1 Ciudad2 Ciudad 3 Ciudad 4 (millones

de kwh)

Planta 1 7 5 8 9 40

Planta 2 10 11 14 9 35

Planta 3 12 10 14 8 50

Demanda 40 30 30 35
(millones
de kwh)

 Formule un PL para minimizar el costo de satisfacer la demanda de

potencia pico de cada ciudad.

PASO 1: DETERMINACIÓN DE INCÓGNITAS:

Variables

- Xij: Número de (millones) de kwh producidos en la planta i y enviados a

la ciudad j.

PASO 2: DETERMINACIÓN DE LÍMITES:

Restricciones por suministro (millones de kwh):

 X11 +X12 + X13 + X14 <=40 (Planta 1)

 X21 +X22 + X23 + X24 <=35 (Planta 2)
 X31 +X32 + X33 + X34 <=50 (Planta 3)

Restricciones por Demanda (millones de kwh):

 X11 +X21 + X33 >=40(Ciudad 1)

 X12 +X22 + X32 >=30 (Ciudad 2)
 X13 +X23 + X33 >=30 (Ciudad 3)
 X14 +X24 + X34 >=35 (Ciudad 4)
PASO 3: DETERMINAR EL OBJETIVO (Maximizar la utilidad):
Min = 7*X11 + 5*X12 + 8*X13 + 9*X14 + 10*X21 + 11*X22+ 14*X23 + 9*X24 +
12*X31 + 10*X32 + 14*X33 + 8*X34

PASO 4: UTILIZANDO EL SOFTWARE LINGO:

SLACK OR SURPLUS
RANGO

 Como podemos apreciar en el resultado es de $935.(Surplus)

 A la vez observamos que por cada unidad (millones de kwh):que
reduzcamos en la demanda de la ciudad 4 (ROW 8), el costo total
mensual disminuirá $9 y la cantidad máxima en la que se podría reducir
es de 15 (millones de kwh), lo cual nos daría una reducción de $135.
 Por lo tanto para reducir el costo mensual la mejor opción presentada es
reducir la demanda de la ciudad 4 (Row 8).
EJERCICIO 5:
Una empresa elabora tres tipos de cubiertas para muebles usando cuatro tipos
de telas. Cada conjunto para muebles hace uso de 80 m. y se vende al precio
(en euros) indicado en la tabla siguiente, que contiene también la composición
de cada cubierta y los suministros de tela en la fábrica:

Telas

Cubierta Tela 1 Tela 2 Tela 3 Tela 4 Precio

1 40 40 0 0 60

2 0 30 30 20 80

3 30 0 50 0 70

Suministros 42000 70 000 45 000 20 000

(m.)

Determina el número de conjunto de cubiertas que deberá producir la empresa

de cada tipo para maximizar el ingreso (supuesto que vende toda su
producción).

PASO 1: DETERMINACIÓN DE INCÓGNITAS:

Variables

- X: cantidad de conjuntos para muebles vendidos de cubierta 1

- Y: cantidad de conjuntos para muebles vendidos de cubierta 2
- Z: cantidad de conjuntos para muebles vendidos de cubierta 3

PASO 2: DETERMINACIÓN DE LÍMITES:

- 40*X + 30*Z <= 42 000
- 40*X + 30*Y <= 70 000
- 30*Y + 50*Z <= 45 000
- 20*Y <= 20 000
- X,Y,Z>=0

PASO 3: DETERMINAR EL OBJETIVO (Maximizar el ingreso):

Max. 16*X + 20*Y + 14*Z
PASO 4: UTILIZANDO EL SOFTWARE LINGO:
SLACK OR SURPLUS

RANGO
BIBLIOGRAFÍA:

 Ejercicio 01: PRAWDA juan, Métodos y Modelos de Investigación de

Operaciones. Volumen 1 modelos determinísticos. Editorial Limusa.

 Ejercicio 02: WINSTON, Wayne L Investigación de Operaciones. Aplicaciones y

Algoritmos. Grupo Editorial Iberoamericana. 4ta. Edición. Ejemplo 1 pág. 49, 50

 Ejercicio 03: Ejercicio N° 8 del libro INVESTIGACIÓN DE OPERACIONES de

la Universidad de los Llano

 Ejercicio 04: WINSTON, Wayne L Investigación de Operaciones. Aplicaciones y

Algoritmos. Grupo Editorial Iberoamericana. 4ta. Edición.

 Ejercicio 05: Introducción a la investigación de operaciones, 9na Edición –

Frederick